机器学习常见使用误区

1：处理异常值：比如adaboost 可能过度关注异常值，所以可以先过滤异常值
2：为标准化 使用 L1/L2正则化有失偏颇，标准化之前，对应不同尺度上的特征，可能权重就不一样，这样正则化对不同的特征惩罚力度不一样
3：线性回归，逻辑回归只能发现线性关系。除非人为的编码非线性关系（比如做一个x => x^2的映射）
4：未经标准化：回归系数不能说明不同维度之间相对重要程度，归一化之后，只能一定程度上说明：因为有相关关系的特征，权重会相互转移。
5：样本少于维度时应使用低方差方法：否则很容易过拟合

原文链接：http://blog.sina.com.cn/s/blog_5357c0af0102uxoh.html

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容